×
ribbon

آموزش پیش‌بینی هوشمند سری‌های زمانی با پایتون

مدرس:LinkedIn

Tobias Zwingmann

در دنیای کسب وکار امروز، درک و پیش بینی روندهای آینده، تقاضای مشتریان یا شرایط بازار، عامل حیاتی... بیشتر
زیرنویس
بدون امتیاز
240دانشجو
2ساعت
سرفصل‌ها
مقدماتی سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

پیش‌بینی سری‌های زمانی

انتقال پیش‌بینی‌های ایستا به کاربردهای زمان واقعی

یادگیری ابزارهای یادگیری ماشین و هوش مصنوعی

تمرین عملی با GitHub Codespaces

این دوره شامل:

2 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

6 فصل33 جلسه2 ساعت ویدیو
مقدمه
  آنچه باید بدانید
02:02
  GitHub Codespaces
02:48
  بررسی مدل
04:52
سیستم‌های دسته‌ای
  ویژگی‌های دسته‌ای چیست؟
03:04
  شروع به کار با ویژگی‌های دسته‌ای در Codespaces
12:12
  ساخت یک فروشگاه برای ویژگی‌های دسته‌ای
08:02
  آموزش مدل برای پیش‌بینی
11:30
  انجام پیش‌بینی‌ها با مدل ما
04:26
  مزایا و معایب پیش‌بینی‌های دسته‌ای
04:53
  چالش: ویژگی X
00:44
  راه‌حل: ویژگی X
04:34
سیستم‌های نزدیک به زمان واقعی
  سیستم‌های نزدیک به زمان واقعی چیستند؟
02:40
  نیازمندی‌ها برای سیستم‌های پیش‌بینی نزدیک به زمان واقعی
03:42
  محاسبه مجدد ویژگی‌ها
04:41
  ملاحظات فرکانسی
02:26
  پیش‌بینی آنلاین
01:58
  مثال کامل از ابتدا تا انتها
02:23
  مزایا و معایب سیستم‌های نزدیک به زمان واقعی
03:01
  چالش: ویژگی Y
01:26
  راه‌حل: ویژگی Y
05:47
سیستم‌های زمان واقعی
  سیستم‌های پیش‌بینی زمان واقعی چیستند؟
04:14
  نیازمندی‌ها برای سیستم‌های پیش‌بینی زمان واقعی
05:02
  داده‌های جریانی
04:22
  ویژگی‌های آنلاین
04:21
  پیش‌بینی آنلاین
03:23
  مثال کامل از ابتدا تا انتها
02:30
  پیش‌بینی زمان واقعی و ملاحظات تأخیر
01:26
  مزایا و معایب پیش‌بینی زمان واقعی
04:44
  چالش: ویژگی Z
01:34
  راه‌حل: ویژگی Z
01:29
ارزیابی سیستم‌های پیش‌بینی سری زمانی
  ارزیابی مدل‌های پیش‌بینی
04:28
  بهترین شیوه‌ها برای آموزش مجدد مدل‌های سری زمانی
04:20
نتیجه‌گیری
  گام‌های بعدی در پیش‌بینی هوش مصنوعی
01:32

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

توضیحات دوره

در دنیای کسب‌وکار امروز، درک و پیش‌بینی روندهای آینده، تقاضای مشتریان یا شرایط بازار، عامل حیاتی در موفقیت است. با گسترش ابزارهای هوش مصنوعی و یادگیری ماشین، بسیاری از کسب‌وکارها اکنون قادرند تا با استفاده از پیش‌بینی سری‌های زمانی، عملیات خود را به‌طور چشمگیری بهبود بخشند.

دوره "AI-Powered Time Series Forecasting with Python" توسط توبیاس زوینگمن طراحی شده است تا شما را به دنیای پیش‌بینی سری‌های زمانی با استفاده از پایتون و هوش مصنوعی معرفی کند و به شما نشان دهد که چگونه می‌توانید این تکنیک‌ها را برای بهینه‌سازی فرآیندها و تصمیم‌گیری در کسب‌وکار خود به‌کار بگیرید. در طول این دوره، شما یاد خواهید گرفت که چگونه می‌توانید روش‌های پیش‌بینی را از مسائل ایستا و کلاسیک به کاربردهای پویا و زمان واقعی تبدیل کنید و پیش‌بینی‌های مبتنی بر داده‌ها را برای شرایط خاص کسب‌وکار خود سفارشی کنید. همچنین، شما با ابزارها و روش‌های مختلفی آشنا خواهید شد که می‌توانید از آن‌ها نه تنها در پیش‌بینی سری‌های زمانی، بلکه در سایر پروژه‌های یادگیری ماشین و هوش مصنوعی نیز استفاده کنید.

این دوره به‌طور ویژه با GitHub Codespaces یکپارچه شده است، محیط توسعه ابری فوری که امکانات یک IDE محبوب را بدون نیاز به پیکربندی و نصب روی دستگاه محلی به شما ارائه می‌دهد. با استفاده از GitHub Codespaces، شما می‌توانید به‌راحتی از هر دستگاهی، در هر زمان، تمرین‌های عملی انجام دهید و تجربه‌ای کاربردی و عملی از پیش‌بینی‌های سری زمانی با پایتون به‌دست آورید. این ابزار به شما این امکان را می‌دهد که مانند یک حرفه‌ای در محیط کاری خود عمل کنید و از آن برای انجام پروژه‌های بزرگ استفاده کنید. در این دوره، علاوه بر یادگیری نحوه پیاده‌سازی پیش‌بینی‌های سری زمانی، فرصت خواهید داشت تا با استفاده از این ابزار قدرتمند، عملی‌ترین تجربه‌های ممکن را بدست آورید. برای شروع، ویدیو "GitHub Codespaces" را مشاهده کنید تا نحوه استفاده از این محیط توسعه ابری را بیاموزید و اولین قدم‌های خود را در یادگیری پیش‌بینی سری‌های زمانی بردارید.

دیدگاه کاربران

هنوز امتیاز و دیدگاهی برای این دوره ثبت نشده است

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
1دوره
240دانشجو

Tobias Zwingmann یک متخصص هوش مصنوعی، نویسنده و دانشمند سابق داده‌های ارشد است.

توبیاس شریک مدیریتی در RAPYD.AI است، یک شرکت مشاوره هوش مصنوعی مستقل و بدون وابستگی به برند که در زمینه‌های پروتوتایپ‌سازی، توسعه، استراتژی و آموزش هوش مصنوعی تخصص دارد. به عنوان یک دانشمند داده سابق، او قدرت هوش مصنوعی را در تحولی که می‌تواند در کسب‌وکارها ایجاد کند مشاهده کرده است—همچنین نقاط ضعف رویکردهای فناوری‌محور را نیز تجربه کرده است. امروز، او با مشتریانی در سراسر جهان همکاری می‌کند تا به آنها کمک کند در دنیای مبتنی بر هوش مصنوعی رشد کنند و کسب‌وکار خود را برای آینده مقاوم کنند، در حالی که تمرکز خود را بر توانمندسازی افراد به جای جایگزینی آنها قرار داده است.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.